Историю создания RAG системы для нашей компании можно почитать тут:
Как я сделал RAG для своей компании
Как я сделал RAG для своей компании (часть 2). И как начал делать AI Агента
AI агенты — клоны сотрудников (часть 3)
Подпишись 👉🏻 @aigentto 🤖
Как я сделал RAG для своей компании
Как я сделал RAG для своей компании (часть 2). И как начал делать AI Агента
AI агенты — клоны сотрудников (часть 3)
Подпишись 👉🏻 @aigentto 🤖
Хабр
Как я сделал RAG для своей компании
Появилась свободное время, и я решил сделать RAG (Retrieval Augmented Generation) для нашей компании. Компания небольшая, но документации технической и бизнес накопилось очень много, в основном на...
Итак, мы продолжаем создавать RAG (Retrieval Augmented Generation) систему для нашей компании. На этой неделе обсудили с Platform team текущую архитектуру и поняли, что нужно внедрять MCP Server. Да, мы пока делали без него 🤦
MCP будет работать с запросами пользователей, заниматься прояснением их намерений и направлять запросы к соответствующей системе знаний.
Нужно понять, как нам сделать это в рамках текущей инфраструктуры, где у нас уже есть три полезных бота на основе OpenAI Assistant. Будем либо всё переделывать и использовать LangChain, либо прикручивать текущих AI Assistant к MCP. Выбор MCP сервера тоже важный вопрос.
В приложении растущая схема нашей RAG, появился MCP сервер, пока только на схеме 🚀
Подпишись 👉🏻 @aigentto 🤖
MCP будет работать с запросами пользователей, заниматься прояснением их намерений и направлять запросы к соответствующей системе знаний.
Нужно понять, как нам сделать это в рамках текущей инфраструктуры, где у нас уже есть три полезных бота на основе OpenAI Assistant. Будем либо всё переделывать и использовать LangChain, либо прикручивать текущих AI Assistant к MCP. Выбор MCP сервера тоже важный вопрос.
В приложении растущая схема нашей RAG, появился MCP сервер, пока только на схеме 🚀
Подпишись 👉🏻 @aigentto 🤖
Скрины общения с нашим WikiBot. Самое интересное, что WikiBot обучен только на текстах с нашей Wiki, где есть частичное описание нашего App, но, получая картинку на вход, он способен определить, что это за экран, для чего он нужен и какой экран идет следующим 🤯 А что будет, когда мы векторизируем реальные картинки нашего App 🚀
Подпишись 👉🏻 @aigentto 🤖
Подпишись 👉🏻 @aigentto 🤖
ИИ агенты.pdf
1.6 MB
Хорошая книга по ИИ-агентам. На английском, но зато всё детально и без воды разжёвано. Мы идём схожим путём: пока на архитектуре OpenAI, но на этой неделе будем внедрять MCP-сервер с LangChain 🤞 По результатам будет статья на Habr 📖
По ИИ-агентам уже чётко понятно, что чем точнее и мельче их нарезать (по задачам), тем качественнее они выполняют свою функцию. Где-то вдалеке маячит оркестратор агентов. Попробуем сделать его внутри MCP-сервера, но, возможно, это будет отдельный Chief Agent.
Подпишись 👉🏻 @aigentto 🤖
По ИИ-агентам уже чётко понятно, что чем точнее и мельче их нарезать (по задачам), тем качественнее они выполняют свою функцию. Где-то вдалеке маячит оркестратор агентов. Попробуем сделать его внутри MCP-сервера, но, возможно, это будет отдельный Chief Agent.
Подпишись 👉🏻 @aigentto 🤖
При использовании различных LLM из разных культур ярко заметны различия в коммуникации. Американский ChatGPT часто извиняется, русский Gigachat предельно конкретен и может показаться грубоватым, а китайский DeepSeek не то и не другое 😀😀😀
В приложении представлена карта стилей коммуникации разных стран, которую также приходится учитывать при переключении моделей в RAG и ИИ-агентах.
Подпишись 👉🏻 @aigentto 🤖
В приложении представлена карта стилей коммуникации разных стран, которую также приходится учитывать при переключении моделей в RAG и ИИ-агентах.
Подпишись 👉🏻 @aigentto 🤖
Добавили MCP-сервер (Model Context Protocol) к нашей RAG-системе и зоопарку ИИ-агентов 💪.
Теперь сообщения из Slack приходят на MCP с любых Slack-ботов, которые прописаны в файле .env.
Затем, если был тегнут тематический бот — WikiBot, BugBot или TeamBot, у него уже есть четкая функция, и сообщение просто маршрутизируется на соответствующий OpenAI Assistant. Сложность заключалась еще и в том, чтобы сделать обратную маршрутизацию: когда, например, BugBot решает, что нужно завести багу в JIRA, он возвращает вызов функции обратно в MCP-сервер, и тот, догадавшись, что требуется вызов соответствующего инструмента — create_jira_ticket, его вызывает.
Если же тегнуть общего бота ChiefBot, то он должен понять из контекста, что нужно (ему помогает вызов chatGPT), и вызвать соответствующий OpenAI Assistant или инструмент (например, create_jira_ticket).
Подпишись 👉🏻 @aigentto 🤖
Теперь сообщения из Slack приходят на MCP с любых Slack-ботов, которые прописаны в файле .env.
Затем, если был тегнут тематический бот — WikiBot, BugBot или TeamBot, у него уже есть четкая функция, и сообщение просто маршрутизируется на соответствующий OpenAI Assistant. Сложность заключалась еще и в том, чтобы сделать обратную маршрутизацию: когда, например, BugBot решает, что нужно завести багу в JIRA, он возвращает вызов функции обратно в MCP-сервер, и тот, догадавшись, что требуется вызов соответствующего инструмента — create_jira_ticket, его вызывает.
Если же тегнуть общего бота ChiefBot, то он должен понять из контекста, что нужно (ему помогает вызов chatGPT), и вызвать соответствующий OpenAI Assistant или инструмент (например, create_jira_ticket).
Подпишись 👉🏻 @aigentto 🤖